图像的腐蚀与膨胀

腐蚀与膨胀
腐蚀与膨胀是对白色部分（高亮部分）而言，不是黑色部分。膨胀类似于“领域扩张”，腐蚀类似于“领域被蚕食”。
膨胀：求局部最大值操作。将图像A与核B进行卷积，核的形状大小不定。
算法：假设用一个3x3的结构，扫描图像的每一个像素，用结构元素与覆盖的二值图像做“与”操作，如果都为0，那么图像该像素为0，否则为1。结果使二值图像扩大一倍

腐蚀与膨胀使相反的一对操作，即求局部最小值操作
假设用一个3x3的结构，扫描图像的每一个像素，用结构元素与覆盖的二值图像做“与”操作，如果都为1，那么图像该像素为1，否则为0。结果使二值图像减小一倍
函数为：

cv2.dilate(src,kernel,iteration)
#kernel的获取可以函数
kernel=getStructuringElement（shape，Size）
shape：取值为0,1,2
0：矩阵MORPH_RECT
1：交叉型MORPH_CROSS
2:椭圆形MORPH_ELLIPSE
也可以使用cv2.MORPH_RECT;cv2.MORPH_CROSS;cv2.MORPH_ELLIPSE
#图像的腐蚀
cv2.erode(src,kernel,iteration)

开运算
先腐蚀后膨胀。开运算可以用来消除小物体，在纤维点处可分离。
开运算带来的结果是放大了裂缝或者局部低亮度的区域

dst=cv2.open(src,element)=cv2.dilate(cv2.erode(src,element))

闭运算
先膨胀后腐蚀的过程。能够排除小型黑洞（黑色区域）

dst=cv2.close(src,element)=cv2.erode(cv2.dilate(src,element))

形态学梯度
即：膨胀图与腐蚀图之差。通过做差，可以保留物体边缘的轮廓。

cv2.morphologyEx(src,op,kernel)
op:cv2.MORPH_OPEN      #开运算
   cv2.MORPH_CLOSE     #闭运算
   cv2.MORPH_GRANIENT  #形态学梯度
   cv2.MORPH_TOPHAT    #顶帽
   cv2.MORPH_BLACKHAT  #黑帽
   cv2.MORPH_ERODE     #腐蚀
   cv2.MORPH_DILATE    #膨胀

顶帽
原图像与开运算作差的结果，开运算放方法了裂缝或者局部低亮部分区域，所以通过作差，效果图突出了原图轮廓周围区域更加明亮的区域。通过顶帽运算往往用来分离比邻近点亮的一些板块。

黑帽
原图像与闭运算作差的结果，效果图突出了原图轮廓周围区域更暗的区域。通过黑帽运算往往用来分离比邻近点亮的一些板块。